-
公开(公告)号：CN115270478B
公开(公告)日：2025-05-13
申请号：CN202210921562.4
申请日：2022-08-02
Applicant: 中国电子科技集团公司第五十四研究所 , 西安电子科技大学
IPC: G06F30/20 , G01S19/20 , G06F119/02
Abstract: 本发明涉及基于低轨卫星的中高轨导航卫星完好性模型构建方法，主要用于卫星导航完好性监测领域。本发明针对现有基于低轨卫星完好性监测的时空基准不确定性、完好性模型保守估计等问题，提出基于低轨卫星的中高轨导航卫星完好性模型方法，包括单向基准相关完好性监测网络模型构建和基准无关完好性监测网络模型构建。本发明可根据卫星几何构型实时提供高精准水平的风险值估计能力，有效提高系统完好性水平，具有监测准、实时性高、易实现的特点。
-
公开(公告)号：CN113378722B
公开(公告)日：2023-04-07
申请号：CN202110657341.6
申请日：2021-06-11
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于3D卷积和多级语义信息融合的行为识别方法及系统，通过3D卷积网络提取视频帧序列的时空特征；为了防止在3D卷积过程中丢失某些对识别出行为类别极为关键的时间语义信息，使用多级语义信息融合模块来聚集3D卷积网络中各个中间层特征所包含的时间语义信息；将提取出的时间语义信息和3D卷积网络所提取的特征进行融合并分类，得到行为类别。本发明利用LSTM网络设计了多级语义信息融合模块，该模块从3D卷积网络所产生的中间特征中提取时间语义信息，并将其和3D卷积网络提取的最终特征进行融合，使网络的分类器接收更多的信息，提升最终的识别准确率。
-
公开(公告)号：CN113255788B
公开(公告)日：2023-04-07
申请号：CN202110603035.4
申请日：2021-05-31
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/094 , G06N3/0475 , G06N3/0455
Abstract: 本发明公开了一种基于两阶段掩码指导的生成对抗网络人脸校正方法及系统，构造并训练基于侧脸五官掩码图像生成其正脸五官掩码图像的生成对抗网络，该网络包含生成器和判别器；构造并训练基于正脸五官掩码图像指导生成正脸图像的生成对抗网络，该网络包含生成器、判别器和人脸特征提取器网络；输入侧脸图像至第一阶段网络生成正面化五官掩码图像，级联侧脸图像和生成的正面化五官掩码图像输入至第二阶段网络生成正脸图像；本发明将人脸校正划分为两阶段任务，第一阶段从侧脸五官掩码图像生成正脸五官掩码图像，第二阶段使用生成的正脸五官掩码图像指导生成正脸图像，使得生成的正脸图像在五官局部区域上能够与真实的正脸图像保持较好的一致性。
-
公开(公告)号：CN109165653A
公开(公告)日：2019-01-08
申请号：CN201810929337.9
申请日：2018-08-15
Applicant: 西安电子科技大学
Abstract: 本发明提供的一种基于语义线段近邻连接的SAR图像聚集区域的提取方法，首先根据SAR图像素描图的统计直方图得到最优聚集度，根据最优聚集度对种子线段进行生长得到语义线段集合，用语义线段的端点组成端点集合并构造KD树；然后利用KD树快速得到端点集合中每个端点的最近邻端点和最优聚集度范围内的近邻端点，对近邻端点进行连接从而得到多个相连且封闭的区域；最后基于面积将这些区域划分为聚集区域和待定区域，再通过信息熵进一步判断待定区域是否为聚集区域；本发明实现了对SAR图像聚集区域准确且快速地提取，所提取的聚集区域不仅能更好的表示SAR图像的极不匀质区域，也能较好地定位极不匀质区域的边界。
-
公开(公告)号：CN119785034A
公开(公告)日：2025-04-08
申请号：CN202411988517.6
申请日：2024-12-31
Applicant: 西安电子科技大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0895 , G06N3/0464 , G06N3/0455
Abstract: 本发明提出了一种基于交叉伪监督的医学图像分割方法，实现步骤为：获取训练和测试样本集；构建基于强弱扰动一致性的交叉伪监督的医学图像分割网络模型并对其进行迭代训练；获取医学图像分割结果。本发明通过第一支网络对弱扰动后的样本进行强扰动再进行图像级强扰动分割，同时第二支网络对弱扰动后的样本进行特征级强扰动分割，并通过交叉伪监督模块分别计算图像级和特征级强扰动分割子网络的交叉伪监督损失，实现了强弱扰动一致性，避免了现有技术过分依赖弱扰动导致的训练偏差累积的缺陷，能够更好地学习图像中复杂的边缘特征，与现有技术相比，有效提高了分割精度。
-
Patent Agency Ranking
公开(公告)号：CN115267833B
公开(公告)日：2024-11-08
申请号：CN202210921594.4
申请日：2022-08-02
Applicant: 中国电子科技集团公司第五十四研究所 , 西安电子科技大学
Abstract: 本发明涉及一种基于惯性器件增强的多天线多径监测方法，属于卫星导航的完好性监测领域。本发明通过低成本通用型GNSS接收设备、陀螺仪以及信息处理设备，实现了与高成本专用GNSS多相关器监测设备相同的多径监测能力，并且通过多种方法融合实现了对典型多径异常类型的全覆盖监测。本发明克服了现有技术不能同时解决低成本与高性能的问题，具有低成本、高性能、易实现的特点。
-
公开(公告)号：CN113378937B
公开(公告)日：2023-08-11
申请号：CN202110657337.X
申请日：2021-06-11
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自监督增强的小样本图像分类方法及系统，自监督学习和小样本学习都是为了缓解模型对标签数据的依赖，本发明在基于图神经网络的小样本学习方法的基础上结合自监督学习提出了一种自监督增强的小样本学习方法，本发明设计一个抠图位置预测的自监督学习任务，将每一个小样本分类任务的所有样本进行随机抠图，在提取样本特征后经过一个全连接层预测每一个样本被抠除图像块的位置。本发明将抠图位置预测任务和小样本分类任务联合训练以增强模型提取有效表征的能力，从而改善模型的分类结果，并通过在miniImageNet上的对比和消融实验证明了本发明的有效性。
-
公开(公告)号：CN113239867A
公开(公告)日：2021-08-10
申请号：CN202110603103.7
申请日：2021-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于掩码区域自适应增强的光照变化人脸识别方法，针对像素层面，引入人脸解析模型和五官对称性先验，对光照变化人脸图像中光照条件极差的五官区域进行着重增强，并对五官以及人脸轮廓进行保持；其次，针对特征层面，基于人脸数据集构建成对图像，然后引入人脸特征提取网络，对生成的图像和与其对应的标准图像提取人脸特征，并施加身份特征约束，使生成的图像与其对应的标准图像具有相似的特征，提高人脸识别准确率。本发明实现了对光照变化人脸图像较好的增强，提高了人脸识别准确率。
-
公开(公告)号：CN110515722A
公开(公告)日：2019-11-29
申请号：CN201910680380.0
申请日：2019-07-26
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种在云端实现神经网络模型并行的方法用于解决现有技术中存在的云端服务器不完全空闲的情况下，单云端服务器或多云端服务器性能的评估不准确，导致云端服务器资源利用不均衡，神经网络模型并行训练时间增加的技术问题。实现步骤为：构建云端服务器群，并计算每台云端服务器的有效性能；建立神经网络模型；实现神经网络模型并行。本发明通过权衡服务器的资源利用率，计算单云端服务器的有效性能，然后逐一计算所有云端服务器的有效性能，以有效性能为依据，实现神经网络模型并行，使各云端服务器的计算时间相同、计算资源利用率最大化，降低神经网络模型并行的训练总耗时。
-
公开(公告)号：CN113590321B
公开(公告)日：2024-02-27
申请号：CN202110870249.8
申请日：2021-07-30
Applicant: 西安电子科技大学
IPC: G06F9/50 , G06F18/243 , G06N3/0464 , G06N3/08 , G06N20/00
Abstract: 一种面向异构分布式机器学习集群的任务配置方法，其步骤如下：构建异构分布式机器学习集群；生成训练集和预测集；对卷积神经网络进行预训练；生成参数服务器的随机森林训练样本子集；构建随机森林模型；生成每个节点的推断训练时间；为每个节点配置任务；更新预训练好的卷积神经网络；训练卷积神经网络；将每个节点对应的卷积神经网络的训练次数达到最大次数时，再针对分布式机器学习集群中存在的节点资源特征参数变化重新配置节点任务。本发明提高了参数服务器为异构分布式机器学习集群中每个节点配置的任务与节点自身资源匹配度，并可根据每个节点资源变化，动态的为每个节点重新配置任务。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.029 seconds)
